Stochastic optimization for unit commitment applied to the security of supply: extended version

📄 arXiv: 2312.05143v2 📥 PDF

作者: Jonathan Dumas

分类: math.OC, eess.SY

发布日期: 2023-12-08 (更新: 2024-05-13)

💡 一句话要点

提出基于随机优化的机组组合方法，提升电力系统供电安全性

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机组组合 随机优化 电力系统 供电安全 两阶段随机规划

📋 核心要点

  1. 现有方法在应对电力系统不确定性时，缺乏明确的裕度激活策略，无法有效应对可用裕度不足的情况。
  2. 论文提出一种基于随机优化的概率机组组合策略，考虑机组成本和失负荷成本，优化调度方案。
  3. 通过两阶段随机模型预测控制近似求解多阶段随机规划，并在法国实际案例中验证了该方法的有效性。

📝 摘要（中文）

为了保证供电安全，输电系统运营商需要利用备用容量来应对需求和发电的意外变化。法国输电系统运营商RTE使用概率方法动态调整所需裕度，该方法依赖于系统失衡不确定性主要驱动因素的连续预测和一个1%的风险阈值。然而，该标准没有明确说明何时以及如何启动向上/向下调节，以及何时面临可用裕度与所需裕度之间的不足。因此，本研究提出了一种基于随机优化的概率机组组合策略，包括机组的固定和可变成本以及失负荷和发电成本。该抽象问题被表述为一个多阶段随机规划，并用一种称为两阶段随机模型预测控制的启发式方法进行近似。它通过求解一系列两阶段随机规划来进行中心调度。通过求解一个近似版本，即单个两阶段随机规划，来进行实施。该方法在一个包含核能和化石燃料机组的法国电力消耗和可再生能源发电的真实案例研究中进行了测试。

🔬 方法详解

问题定义：论文旨在解决电力系统运行中，如何有效地进行机组组合，以应对需求和发电的不确定性，保证供电安全的问题。现有方法，如RTE使用的概率方法，虽然能动态调整所需裕度，但缺乏具体的裕度激活策略，无法有效应对可用裕度不足的情况。这可能导致系统运行风险增加，甚至出现失负荷的情况。

核心思路：论文的核心思路是将机组组合问题建模为一个多阶段随机规划问题，并使用随机优化方法求解。通过考虑机组的固定和可变成本，以及失负荷的成本，优化机组的启动和停止计划，以最小化总成本。同时，考虑到实际问题的复杂性，采用两阶段随机模型预测控制的启发式方法进行近似求解。

技术框架：该方法的核心是一个两阶段随机模型预测控制框架。在每个调度周期，首先根据预测的不确定性，建立一个两阶段随机规划模型。第一阶段决定机组的启动和停止计划，第二阶段根据实际情况调整发电量，以满足需求。然后，将第一阶段的决策应用于实际系统，并进入下一个调度周期。通过不断重复这个过程，实现对电力系统的动态调度。

关键创新：该方法的主要创新在于将随机优化方法应用于机组组合问题，并提出了一个两阶段随机模型预测控制的框架。与传统的确定性优化方法相比，该方法能够更好地处理不确定性，提高系统的鲁棒性。此外，该方法还考虑了失负荷的成本，能够更好地平衡成本和风险。

关键设计：该方法使用两阶段随机规划模型，其中第一阶段的决策变量是机组的启动和停止状态，第二阶段的决策变量是机组的发电量。目标函数是最小化总成本，包括机组的固定和可变成本，以及失负荷的成本。约束条件包括电力平衡约束、机组容量约束、爬坡约束等。为了求解该模型，可以使用各种优化算法，如混合整数线性规划（MILP）或分支定界法。

📊 实验亮点

该方法在法国实际案例中进行了测试，结果表明，该方法能够有效地降低系统的运行成本，并提高供电安全性。具体的性能数据和对比基线在论文中未明确给出，属于未知信息。但整体而言，该方法为电力系统运行调度提供了一种新的思路。

🎯 应用场景

该研究成果可应用于电力系统的运行调度，帮助输电系统运营商制定更合理的机组组合计划，提高供电安全性，降低运行成本。尤其是在可再生能源渗透率不断提高的背景下，该方法能够更好地应对可再生能源发电的不确定性，保障电力系统的稳定运行。此外，该方法还可以推广到其他能源系统的优化调度中，如天然气系统、热力系统等。

📄 摘要（原文）

Transmission system operators employ reserves to deal with unexpected variations of demand and generation to guarantee the security of supply. The French transmission system operator RTE dynamically sizes the required margins using a probabilistic approach relying on continuous forecasts of the main drivers of the uncertainties of the system imbalance and a 1 % risk threshold. However, this criterion does not specify which means to activate upward/downward and when to face a deficit of available margins versus the required margins. Thus, this work presents a strategy using a probabilistic unit commitment with a stochastic optimization-based approach, including the fixed and variable costs of units and the costs of lost load and production. The abstract problem is formulated with a multi-stage stochastic program and approximated with a heuristic called two-stage stochastic model predictive control. It solves a sequence of two-stage stochastic programs to conduct the central dispatch. An implementation is conducted by solving an approximated version with a single two-stage stochastic program. This method is tested on a real case study comprising nuclear and fossil-based units with French electrical consumption and renewable production.